El machine-learning puede ayudar a predecir futuras pandemias

La tasa de enfermedades emergentes de la vida silvestre que infectan a los humanos ha aumentado constantemente durante las últimas tres décadas. Los virus, como la pandemia mundial de coronavirus y el reciente brote de viruela del simio, han aumentado la necesidad urgente de herramientas ecológicas de enfermedades para pronosticar cuándo y dónde es probable que surjan brotes de enfermedades.

Sobre este asunto, un grupo de investigadores ha desarrollado una metodología que sirve para predecir transmisión de enfermedades de la vida silvestre a los humanos, de una especie de vida silvestre a otra y determinar quién está en riesgo de infección.

La herramienta consiste es un enfoque basado en el machine-learning, que identifica la influencia de variables, como la ubicación y el clima, en patógenos conocidos. Usando solo pequeñas cantidades de información, el sistema puede identificar puntos críticos de la comunidad en riesgo de infección tanto a escala global como local.

“Nuestro principal objetivo es desarrollar esta herramienta para desarrollar medidas preventivas”, han comentado. “Es difícil tener una metodología de uso general que pueda usarse para predecir infecciones en todos los diversos sistemas de parásitos, pero con esta investigación, contribuimos a lograr ese objetivo".

Los expertos examinaron tres sistemas huésped-patógeno: malaria aviar, aves con el virus del Nilo Occidental y murciélagos con coronavirus, para probar la fiabilidad y precisión de los modelos generados.

El equipo descubrió que, para los tres sistemas, la especie infectada con mayor frecuencia no era necesariamente la más susceptible a la enfermedad. Para identificar mejor a los huéspedes con mayor riesgo de infección, era importante identificar factores relevantes, como el clima y las relaciones evolutivas.

Mediante la integración de variables geográficas, ambientales y de desarrollo evolutivo, los investigadores identificaron especies huésped que no habían sido registradas previamente como infectadas por el parásito en estudio, lo que proporcionó una forma de identificar especies susceptibles y, finalmente, mitigar el riesgo de patógenos.

“Confiamos en que la metodología sea exitosa y se pueda aplicar ampliamente a muchos sistemas huésped-patógeno”, celebran.

Los resultados demuestran que la metodología es capaz de proporcionar predicciones globales fiables para los sistemas huésped-patógeno estudiados, incluso cuando se utiliza una pequeña cantidad de información. Este nuevo enfoque ayudará a dirigir la vigilancia de enfermedades infecciosas y los esfuerzos realizados a pie de campo, proporcionando una estrategia rentable para determinar mejor dónde invertir los recursos.

“Predecir qué tipo de patógeno producirá la próxima infección médica o veterinaria es un desafío. A medida que aumenta la tasa de impacto humano en los entornos naturales, la probabilidad de que surjan nuevas enfermedades seguirá aumentando”, lamentan los autores.

La humanidad, y la biodiversidad en general, están experimentando cada vez “más riesgos de enfermedades infecciosas como resultado de nuestra incursión y destrucción del orden natural en todo el mundo a través de aspectos como la deforestación, el comercio global y el cambio climático”. Esto impone “la necesidad de contar con herramientas como la que estamos publicando para ayudarnos a predecir dónde pueden ocurrir o surgir nuevas amenazas en términos de nuevos patógenos y sus reservorios”.